CN107222913A - 脐橙果园监测节点的基于随机深度的自适应休眠方法 - Google Patents
脐橙果园监测节点的基于随机深度的自适应休眠方法 Download PDFInfo
- Publication number
- CN107222913A CN107222913A CN201710440066.6A CN201710440066A CN107222913A CN 107222913 A CN107222913 A CN 107222913A CN 201710440066 A CN201710440066 A CN 201710440066A CN 107222913 A CN107222913 A CN 107222913A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- msub
- node
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005059 dormancy Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 59
- 235000005976 Citrus sinensis Nutrition 0.000 title claims description 7
- 240000002319 Citrus sinensis Species 0.000 title claims description 7
- 238000012544 monitoring process Methods 0.000 title claims description 7
- 239000002420 orchard Substances 0.000 title claims description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims description 30
- 230000007958 sleep Effects 0.000 claims description 12
- 230000000284 resting effect Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000009331 sowing Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 2
- 239000004576 sand Substances 0.000 claims description 2
- 238000009827 uniform distribution Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000019371 dormancy process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
- H04W52/0216—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave using a pre-established activity schedule, e.g. traffic indication frame
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
- H04W52/0219—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave where the power saving management affects multiple terminals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0808—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA]
- H04W74/0816—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA] with collision avoidance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
- H04W74/0841—Random access procedures, e.g. with 4-step access with collision treatment
- H04W74/085—Random access procedures, e.g. with 4-step access with collision treatment collision avoidance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
在事件驱动型无线传感器网络中，查询任务会引发监测区域内多个节点同时对目标进行信息收集并传送数据。基于随机休眠深度的自适应休眠方法可通过节点随机选择不同休眠时间来缓解邻近区域内节点结束休眠后同时进行数据传输所引起的分组碰撞状况，从而降低因空闲监听造成的能量消耗，且休眠深度间隔时间的优化值可通过马尔科夫链模型分析来确定。
Description
技术领域
本发明属于无线通信和物联网技术领域，具体涉及无线传感器网络中的节点休眠节能术。
背景技术
无线传感器网络综合了传感器技术、嵌入式计算机技术、分布是信息处理技术和无线通信技术，在军事侦察、环境科学、医疗卫生、工业自动化、商业应用等方面具有广泛的应用前景。由于现在节点能量供应问题没有得到很好的解决，节点本身不能补充能量或补充不足，因此无线传感器网络需要首先考虑节能，其次为可扩张性，最后才考虑到网络效率，如网络的公平性、实用性、网络吞吐量以及带宽利用率等。在事件驱动型无线传感器网络中，为了保持一定的冗余性和可靠性，通常将大量传感器节点部署在监测区域内，而查询任务会引发监测区域内多个节点同时对目标进行信息收集并传送数据。S-MAC协议提出让节点进行同步休眠的方法来节省能量，通过邻居节点来协商一致性休眠调度机制，因而在同步休眠周期结束后多个节点可能会同时监测到一个事件，竞争信道以发送数据，易造成事件发生区域的节点同时竞争频繁，需要较长时间来调整竞争窗口值，造成通信时延增大，且时延会在每跳中积累，同时各节点的休眠时长固定，不能动态改变。T-MAC协议针对S-MAC协议存在通信延迟累加等问题进行改进，如果在规定时间内未发生激活事件，则节点认为信道空闲，进入休眠状态，而且每一帧中的活跃时间可根据网络流量动态调整以增加休眠时间，但在低负载时,TA监听带来的能量损耗、早睡等问题。
发明内容
本发明的目的是，提供给一种在事件驱动型无线传感器网络中可降低分组碰撞概率和提高节点能量效率的自适应休眠方法，通过节点随机选择不同休眠深度来获取不同的休眠时间，以缓解邻近区域内节点结束休眠后同时进行数据传输所引起的分组碰撞，减少了调整竞争窗口值的时间，并降低因空闲监听和额外侦听信道造成的能量消耗，并建立马尔科夫链模型来分析休眠深度间隔时间的优化值。
为解决上述发明目的，本发明所采用的技术方案包括：将时间划分为连续的帧后，帧内分为活动阶段和休眠阶段。处于活动阶段的节点在MTslot时间内一直空闲且无数据需发送，则进入休眠过程，以降低节点的能量消耗。节点进入休眠阶段时将随机选择一个休眠深度n(0≤n≤N-1)，则休眠时间为T0+nTΔ，其中T0为基本休眠时间，TΔ为休眠深度的间隔时间，在休眠阶段内节点关闭无线通信模块并缓存采集到的数据。若在休眠结束后收到上层发来的需要发送的数据包或目的节点为自身的CTS帧，则节点进入退避过程来发送该数据，否则进入等待过程。
在离散马尔科夫链模型中，节点的活动阶段可包括传输、等待和退避等过程。由于接收状态时节点消耗能量与等待和退避状态消耗能量近似，为简化分析可设定接收数据可在节点处于等待过程中完成，可不单独考虑接收状态。退避过程可用随机过程B(t)表示，且离散时间t和t+1表示两个连续的时隙Tslot，与回退计数器的计数值相对应。用随机过程J(t)可表示节点在t时刻所处的退避级数(0,1,...,m)，其中m为最大退避级数，并设定在退避过程中每个分组发送失败的概率p为独立且恒定的，则可用随机过程{J(t),B(t)}表示节点的退避过程。每个状态的概率用PB(i,k)(0≤i≤m,0≤k≤Wi-1)表示，则可用Markov链表示该退避过程，其中i为退避级数，k为退避计数器的值，Wi为退避次数为i时退避窗口。进入等待状态的节点，若有数据要发送，则从等待状态转移到退避状态。由于信源产生数据服从参数为λ的泊松分布，因而在一个时隙里节点从等待状态转移到退避状态的概率为若经过M个时隙后节点仍然没有数据要发送，则将进入到休眠状态。由于等待过程中某个时隙保持等待状态的概率是独立且恒定的，因此节点的等待过程也可用Markov链表示。若休眠状态Sn结束时有数据要发送，则将由休眠状态转移到退避状态，且转移概率为若无数据发送，则将进入等待状态，转移概率为α0αΔ n，其中由于只有当休眠状态结束时才可会改变自身状态，可将结束休眠时的时隙用以表示该休眠过程以简化分析。进入传输状态的节点直到数据传输结束后才能改变自身状态。在传输结束时，若有数据要发送，则由传输状态转移到每一个退避级数为0的退避状态的概率为其中K为传输过程所需的平均时隙。因而在传输结束时没有数据需发送，则由传输状态转移到等待状态的概率为可知在设定条件下，级联后节点从一种状态转移到另外一种状态的概率是独立且恒定的，则上述过程可级联后为一个图1所示的Markov链。
本文对节点在任何时隙内可能存在的各个状态用离散Markov链进行描述，通过该模型求得在稳态时节点停留在不同状态的概率分别为：
PT(i)＝(1-pm+1)PB(0,0)
由于在平稳状态时Markov链应满足则节点处于退避级数为0且退避计时器为0的状态的概率为：
由于不论退避级数为多少，只要退避计时器为0，则传感器节点开始传输数据，则该节点在任意时隙的发送概率可表示为在节点传输数据的时候，若相邻n-1个节点中至少有一个节点也发送数据则发生碰撞，而且当目的节点处于休眠时发送数据也失败，因此该节点在任意时隙发送失败的概率可表示为：
由式(3)和式(4)构成非线性方程组，可得τ和p。
由于计算平均时延时超出重传次数而被丢弃的帧不予考虑，则在退避过程或等待过程中数据帧到达发送节点的缓冲器队首至目的节点成功接收的平均时延为一次成功的发送需要的平均时隙数和时隙的平均长度的乘积，可表示为其中Ptr＝1-(1-τ)n为至少有一个节点发送数据的概率，Ps＝[nτ(1-τ)n-1]/Ptr为在系统不空闲的条件下有一个节点发送数据成功的概率，Ts和Tc分别为采用RTS/CTS机制时数据成功发送和数据发送时冲突所耗费的时间。
由于节点个数和节点撒播范围决定了无线传感器网络的基本空间布局，因此当节点撒播范围A和节点个数r得到确定后，可得均匀分布状态下网络的节点密度ρ。可知当某个节点结束休眠转入活动状态，将进行通信前应保证在其载波监听范围内上个休眠深度的节点已通信基本结束，则休眠间隔时间应满足下式，将N值代入可得TΔ的最小值。
其中D1为通信距离，D2为载波监听距离。
由于在接收过程和等待过程节点所消耗的功率大致相同，则将上述过程中消耗的功率设为pI，用pS表示休眠时消耗的功率，用pT表示发送数据时消耗的功率，则在一个时隙中所消耗的平均能量为
设定L为在一个DATA包内的平均有效载荷量，，则在一个时隙内节点处于成功发送DATA中有效数据的概率是Markov链中处于发送成功部分且长度为L/(R·Tslot)的各状态概率之和，其中R为传输速率，则在一个时隙里平均成功发送的数据量为Sslot＝LPB(0,0)(1-pm +1)[72]。单位能量平均成功发送的有效数据量SE(单位为bit/mJ)可用通过SE＝Sslot/Eslot进行计算。节点进行较长的休眠可避免串扰和空闲侦听带来的能量浪费，但同时降低了系统的吞吐率并增加了发送延迟。因此在本文中将单位能量平均成功发送的有效数据量作为选取休眠间隔时间TΔ的依据。当将不同TΔ值代入式(2.69)中可得到对应的SE。当SE取最大值时说明节点使用能量用于发射数据包的效率最高，此时TΔ为优化值。
附图说明
图1二维离散时间马尔科夫链模型
图2 TΔ对SE的影响
图3不同节点密度下分组传输失败概率
图4不同节点密度下系统吞吐率
图5不同节点密度下节点平均能耗
具体实施方式
下面结合附图及实施实例对本发明作进一步的说明。
在仿真软件平台GloMoSim中进行性能分析比较，将本发明提出的基于随机休眠深度的无线传感器网络适应休眠方法(RSD)添加到S-MAC协议中，改进其休眠方式，并对改进前后进行网络性能的分析比较。传感器节点随机分布在200m×200m矩形监测区域内，且每个节点的平均报文到达时间间隔服从参数为λ＝1的泊松分布，仿真时间为600s。节点的通信距离D1为70m，载波监听距离D2为100m。当节点分布密度ρ设为10-3/m2时，可得到不同的最大休眠深度N下休眠深度间隔时间的理论最小值，如下表所示：
当最大休眠深度N为6时将不同TΔ值得到对应的SE，如图2所示。在文中为简化分析该机制的马尔科夫链模型，因此未单独考虑接收状态以及统计睡眠调度和同步等控制开销，同时在数据传输时未考虑分组碰撞情形，则由模型分析得出的理论值与网络仿真值存在差异。当TΔ＝72ms时，理论值SE取最大值3.82时对应的仿真值也近乎最大，说明休眠深度间隔时间的理论值满足设计要求，此时可视为节点使用能量用于发射数据包的效率最高。同时TΔ超过所对应的最小值36ms满足式(6)条件，可将其作为优化值应用于网络仿真中。
图3显示了节点密度对分组传输失败概率的影响。当节点密度较小时，节点在传输覆盖区域内相邻节点较少，因而在分组发送过程中碰撞的概率也较低。而随着节点密度的提高，通过增加竞争窗口已不能满足节点数量较多的需求，导致分组碰撞也更加频繁，分组传输失败概率也随之增加。但采用本发明可让节点随机选择不同的休眠深度，使得邻近区域内节点分批结束休眠状态，从而尽量避免大量节点在结束休眠后同时进入退避状态准备分组发送，因此其碰撞概率的情况比S-MAC有明显缓解。
图4显示了在不同节点密度情况下的系统吞吐率状况。可以看出S-MAC协议与采用本发明改进后在密度较小时吞吐率基本相同。随着节点数量的增加导致碰撞概率增加，网络出现拥塞的情形加剧，系统吞吐率都有所下降。但使用本发明可使处于休眠状态的节点轮番苏醒进入退避状态准备分组发送，在很大程度上降低了冲突概率，缓解数据帧的碰撞以有效地利用信道，从而有效提高了饱和吞吐率。
图5给出了不同节点密度下节点平均能量消耗的性能比较。在节点密度较低时，多跳网络中节点的通信距离随着节点密度的提高而减小，从而允许网络内更多节点对同时进行通信，减少活动时间以进入休眠状态。但随着节点密度进一步增加，当邻近区域内各节点同时产生数据，由于竞争冲突和隐藏终端的问题导致大量重传和丢包，从而使得节点能耗增大。
Claims (5)
1.脐橙果园监测节点的基于随机深度的自适应休眠方法，其特征是节点在进入休眠状态时可随机选择不同休眠深度来确定休眠时间T0+nTΔ，其中T0为基本休眠时间，n为随机休眠深度，TΔ为休眠深度的间隔时间，而休眠深度间隔时间TΔ可通过建立离散马尔科夫链模型来进行性能分析获得优化值。
2.如权利要求1所述的脐橙果园监测节点的基于随机深度的自适应休眠方法，其特征在于，所述节点待到传输的各个阶段的状态的具体过程为：
步骤1：节点处于等待过程，且在该过程中节点可进行信道侦听和数据接收；若需要发送数据，则进入步骤3；若持续等待MTslot后无需发送数据，进入步骤2；
步骤2：节点处于休眠过程，以降低节点的能量消耗；如步骤1所述，若节点在等待过程中等待MTslot后无需收发数据，节点随机选择一个休眠深度n(0≤n≤N-1)，届时转为休眠状态，则休眠时间为T0+nTΔ，其中T0为基本休眠时间，TΔ为休眠深度的间隔时间；休眠时间结束后，节点若需收发数据，则进入步骤3，否者进入步骤1；
步骤3：节点处于退避过程，其退避机制(包括退避时间和退避级数)参照IEEE 802.11DCF，且在该过程中节点需进行信道侦听；若节点在等待过程中一旦需收发数据，则进入退避过程，节点结束退避过程后，准备进行数据收发，届时若信道空闲，则进入步骤4，否则重新进入步骤3；
步骤4：节点处于数据收发过程；当节点结束当前数据收发后，若有数据需要收发，则进入步骤3，否则进入步骤1。
3.如权利要求1所述的脐橙果园监测节点的基于随机深度的自适应休眠方法，其特征在于，建立离散马尔科夫链模型分析的具体做法为：
退避过程可用随机过程B(t)表示，且离散时间t和t+1表示两个连续的时隙Tslot，与回退计数器的计数值相对应，用随机过程J(t)可表示节点在t时刻所处的退避级数(0,1,...,m)，其中m为最大退避级数，并设定在退避过程中每个分组发送失败的概率p为独立且恒定的，则可用随机过程{J(t),B(t)}表示节点的退避过程，每个状态的概率用PB(i,k)(0≤i≤m,0≤k≤Wi-1)表示，则可用离散马尔科夫链表示该退避过程，其中i为退避级数，k为退避计数器的值，Wi为退避次数为i时退避窗口；进入等待状态的节点，若有数据要发送，则从等待状态转移到退避状态，由于信源产生数据服从参数为λ的泊松分布，因而在一个时隙里节点从等待状态转移到退避状态的概率为若经过M个时隙后节点仍然没有数据要发送，则将进入到休眠状态；由于等待过程中某个时隙保持等待状态的概率是独立且恒定的，因此节点的等待过程也可用Markov链表示，若休眠状态Sn结束时有数据要发送，则将由休眠状态转移到退避状态，且转移概率为 若无数据发送，则将进入等待状态，转移概率为α0αΔ n，其中由于只有当休眠状态结束时才可会改变自身状态，可将结束休眠时的时隙用以表示该休眠过程以简化分析；进入传输状态的节点直到数据传输结束后才能改变自身状态，在传输结束时，若有数据要发送，则由传输状态转移到每一个退避级数为0的退避状态的概率为 其中K为传输过程所需的平均时隙，因而在传输结束时没有数据需发送，则由传输状态转移到等待状态的概率为可知在设定条件下，级联后节点从一种状态转移到另外一种状态的概率是独立且恒定的，则上述过程可级联后为的离散马尔科夫链，对节点在任何时隙内可能存在的各个状态可用离散马尔科夫链进行描述，通过该模型求得在稳态时节点停留在不同状态的概率；
由于在平稳状态时离散马尔科夫链应满足则节点处于退避级数为0且退避计时器为0的状态的概率
<mrow>
<msub>
<mi>P</mi>
<mi>B</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>pW</mi>
<mn>0</mn>
</msub>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mi>m</mi>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<mi>p</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>p</mi>
<mi>m</mi>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mi>K</mi>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>+</mo>
<mfrac>
<mrow>
<mi>N</mi>
<mi>&gamma;</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mi>&Delta;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>&beta;</mi>
<mrow>
<mi>M</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mi>N</mi>
<mi>&alpha;</mi>
<mi>&Delta;</mi>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>+</mo>
<msup>
<mi>&alpha;</mi>
<mi>N</mi>
</msup>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>)</mo>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&beta;</mi>
<mo>)</mo>
</mrow>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>W</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>W</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mi>&gamma;</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mi>N</mi>
<mi>&alpha;</mi>
<mi>&Delta;</mi>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msup>
<mi>&alpha;</mi>
<mi>N</mi>
</msup>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mi>N</mi>
<mi>&alpha;</mi>
<mi>&Delta;</mi>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>+</mo>
<msup>
<mi>&alpha;</mi>
<mi>N</mi>
</msup>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
</mrow>
</mfrac>
<mo>+</mo>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&gamma;</mi>
<mo>)</mo>
<mo>&rsqb;</mo>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
由于不论退避级数为多少，只要退避计时器为0，则传感器节点开始传输数据，则该节点在任意时隙的发送概率可表示为在节点传输数据的时候，若相邻n-1个节点中至少有一个节点也发送数据则发生碰撞，而且当目的节点处于休眠时发送数据也失败，因此该节点在任意时隙发送失败的概率为从而得出τ和p。
4.如权利要求1所述的脐橙果园监测节点的基于随机深度的自适应休眠方法，其特征在于，确定休眠间隔时间最小值的具体过程为：由于计算平均时延时超出重传次数而被丢弃的帧不予考虑，则在退避过程或等待过程中数据帧到达发送节点的缓冲器队首至目的节点成功接收的平均时延为一次成功的发送需要的平均时隙数和时隙的平均长度的乘积，可表示为其中Ptr＝1-(1-τ)n为至少有一个节点发送数据的概率Ps＝[nτ(1-τ)n-1]/Ptr为在系统不空闲的条件下有一个节点发送数据成功的概率，Ts和Tc分别为采用RTS/CTS机制时数据成功发送和数据发送时冲突所耗费的时间；
由于节点个数和节点撒播范围决定了无线传感器网络的基本空间布局，因此当节点撒播范围A和节点个数r得到确定后，可得均匀分布状态下网络的节点密度ρ，可知当某个节点结束休眠转入活动状态，将进行通信前应保证在其载波监听范围内上个休眠深度的节点已通信基本结束，则休眠间隔时间应满足下式，将N值代入可得TΔ的最小值其中D1为通信距离，D2为载波监听距离。
5.如权利要求1所述的脐橙果园监测节点的基于随机深度的自适应休眠方法，其特征在于，确定休眠间隔时间优化值的具体过程为：由于在接收过程和等待过程节点所消耗的功率大致相同，则将上述过程中消耗的功率设为pI，用pS表示休眠时消耗的功率，用pI表示发送数据时消耗的功率，则在一个时隙中所消耗的平均能量为
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>s</mi>
<mi>l</mi>
<mi>o</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>P</mi>
<mi>B</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>s</mi>
<mi>l</mi>
<mi>o</mi>
<mi>t</mi>
</mrow>
</msub>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mi>T</mi>
</msub>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mi>I</mi>
</msub>
<msub>
<mi>pW</mi>
<mn>0</mn>
</msub>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mi>m</mi>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<mi>p</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mi>I</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>p</mi>
<mi>m</mi>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mfrac>
<mrow>
<mi>&gamma;</mi>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mi>&Delta;</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<msub>
<mi>N&alpha;</mi>
<mi>&Delta;</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>+</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>&Delta;</mi>
<mi>N</mi>
</msubsup>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msub>
<mi>p</mi>
<mi>S</mi>
</msub>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mi>I</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>&beta;</mi>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mi>&gamma;</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<msub>
<mi>N&alpha;</mi>
<mi>&Delta;</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msubsup>
<mi>&alpha;</mi>
<mi>&Delta;</mi>
<mi>N</mi>
</msubsup>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<msub>
<mi>N&alpha;</mi>
<mi>&Delta;</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
<mo>+</mo>
<msubsup>
<mi>&alpha;</mi>
<mi>&Delta;</mi>
<mi>N</mi>
</msubsup>
<msup>
<mi>&beta;</mi>
<mi>M</mi>
</msup>
</mrow>
</mfrac>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&gamma;</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&CenterDot;</mo>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>W</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>W</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>p</mi>
<mi>I</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
设定L为在一个DATA包内的平均有效载荷量，则在一个时隙内节点处于成功发送DATA中有效数据的概率是Markov链中处于发送成功部分且长度为L/(R·Tslot)的各状态概率之和，其中R为传输速率，则在一个时隙里平均成功发送的数据量为Sslot＝LPB(0,0)(1-pm+1)；
单位能量平均成功发送的有效数据量SE(单位为bit/mJ)可用通过SE＝Sslot/Eslot进行计算，节点进行较长的休眠可避免串扰和空闲侦听带来的能量浪费，但同时降低了系统的吞吐率并增加了发送延迟，因此在本方法中将单位能量平均成功发送的有效数据量作为选取休眠间隔时间TΔ的依据。将不同TΔ值获得对应的SE，当SE取最大值时说明节点使用能量用于发射数据包的效率最高，此时TΔ为优化值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710440066.6A CN107222913A (zh) | 2017-06-12 | 2017-06-12 | 脐橙果园监测节点的基于随机深度的自适应休眠方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710440066.6A CN107222913A (zh) | 2017-06-12 | 2017-06-12 | 脐橙果园监测节点的基于随机深度的自适应休眠方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107222913A true CN107222913A (zh) | 2017-09-29 |
Family
ID=59947758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710440066.6A Pending CN107222913A (zh) | 2017-06-12 | 2017-06-12 | 脐橙果园监测节点的基于随机深度的自适应休眠方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107222913A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109842889A (zh) * | 2018-12-25 | 2019-06-04 | 广东外语外贸大学 | 一种无线多跳网络中测量节点可用带宽的方法 |
| CN109862123A (zh) * | 2019-03-29 | 2019-06-07 | 深圳开立生物医疗科技股份有限公司 | 数据处理方法、物联网模块及设备 |
| CN110582060A (zh) * | 2019-09-12 | 2019-12-17 | 深圳市朗仁科技有限公司 | 通信方法、装置、节点设备及其存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120218926A1 (en) * | 2011-02-24 | 2012-08-30 | The Hong Kong University Of Science And Technology | Delay-constrained and energy-efficient online routing for asynchronous sensor networks |
| CN104796925A (zh) * | 2015-03-17 | 2015-07-22 | 桂林电子科技大学 | 一种基于马尔科夫链的无线传感器网络可靠度评估方法 |
| CN105245358A (zh) * | 2015-08-30 | 2016-01-13 | 中南大学 | 基于马尔可夫模型的智能电网mac层多业务性能分析方法 |
| CN105704735A (zh) * | 2016-03-16 | 2016-06-22 | 昆明理工大学 | 一种基于几何学概率的无线传感器网络能耗估计模型的建模仿真方法 |
-
2017
- 2017-06-12 CN CN201710440066.6A patent/CN107222913A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120218926A1 (en) * | 2011-02-24 | 2012-08-30 | The Hong Kong University Of Science And Technology | Delay-constrained and energy-efficient online routing for asynchronous sensor networks |
| CN104796925A (zh) * | 2015-03-17 | 2015-07-22 | 桂林电子科技大学 | 一种基于马尔科夫链的无线传感器网络可靠度评估方法 |
| CN105245358A (zh) * | 2015-08-30 | 2016-01-13 | 中南大学 | 基于马尔可夫模型的智能电网mac层多业务性能分析方法 |
| CN105704735A (zh) * | 2016-03-16 | 2016-06-22 | 昆明理工大学 | 一种基于几何学概率的无线传感器网络能耗估计模型的建模仿真方法 |
Non-Patent Citations (2)
| Title |
|---|
| 朱赟等: "无线传感器网络中平均时延约束的自适应休眠机制", 《电子技术应用》 * |
| 韦云凯: "低功耗有损网络可靠传输技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109842889A (zh) * | 2018-12-25 | 2019-06-04 | 广东外语外贸大学 | 一种无线多跳网络中测量节点可用带宽的方法 |
| CN109842889B (zh) * | 2018-12-25 | 2021-12-24 | 广东外语外贸大学 | 一种无线多跳网络中测量节点可用带宽的方法 |
| CN109862123A (zh) * | 2019-03-29 | 2019-06-07 | 深圳开立生物医疗科技股份有限公司 | 数据处理方法、物联网模块及设备 |
| CN110582060A (zh) * | 2019-09-12 | 2019-12-17 | 深圳市朗仁科技有限公司 | 通信方法、装置、节点设备及其存储介质 |
| CN110582060B (zh) * | 2019-09-12 | 2022-01-18 | 深圳市云伽智能技术有限公司 | 通信方法、装置、节点设备及其存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101404602B (zh) | 一种适用于多跳ad hoc网络的DCF协议节点自适应休眠方法 | |
| CN101557637B (zh) | 跨层的无线传感器网络介质访问控制协议实现方法 | |
| CN104092523B (zh) | 一种无线传感器网络多流竞争场景下的数据传输方法 | |
| CN102833834B (zh) | 一种无线传感器网络节能mac的实现方法 | |
| CN102740363B (zh) | 一种无线传感器网络数据采集方法 | |
| CN103906207A (zh) | 基于自适应按需唤醒技术的无线传感器网络数据传输方法 | |
| CN107040878A (zh) | 一种多链型无线传感器网络的无分层通信方法 | |
| CN107222913A (zh) | 脐橙果园监测节点的基于随机深度的自适应休眠方法 | |
| CN109362122A (zh) | 一种低功耗广域网内通信数据的传输调度方法和系统 | |
| CN108696944B (zh) | 一种无线传感器网络中基于快速回复ack的数据传输方法 | |
| Zhu et al. | Access point buffer management for power saving in IEEE 802.11 WLANs | |
| Chi et al. | Implementation and study of a greenhouse environment surveillance system based on wireless sensor network | |
| CN105208671B (zh) | 用于无线传感器网络的高信道利用率h-mac协议的实现方法 | |
| Lee et al. | Performance of a receiver-initiated MAC protocol with aggregation for event-driven wireless sensor networks | |
| Luo et al. | An analytical model for SMAC protocol in multi-hop wireless sensor networks | |
| Sheth et al. | EAPS: Edge-assisted predictive sleep scheduling for 802.11 IoT stations | |
| CN110121206A (zh) | 一种基于有限队列长度排队模型的多跳无线唤醒方法 | |
| CN105611570A (zh) | 基于信道状态判断的车载自组织网mac层退避方法 | |
| Lee et al. | Modeling and anaysis of an energy-efficient MAC protocol for wireless sensor networks | |
| Jacob et al. | Contention versus polling access in IEEE 802.15. 6: Delay and lifetime analysis | |
| CN107018575A (zh) | 无线传感器网络的可扩展可预约sr‑bma协议 | |
| Li et al. | κ-FSOM: Fair link scheduling optimization for energy-aware data collection in mobile sensor networks | |
| Niu et al. | A data transmission scheme for community-based opportunistic networks | |
| Kumar et al. | A comparative study of energy efficient collision avoidance protocols for WBAN | |
| Guntupalli et al. | Energy harvesting powered packet transmissions in duty-cycled WSNs: A DTMC analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170929 |
|
| RJ01 | Rejection of invention patent application after publication |